天天看点

Seaborn可视化绘制散点图

Seaborn可视化绘制散点图

    • 散点图
    • 为每个点着色
    • 修改点的形状
    • 独立改变每个点的色调和样式
    • 修改点的颜色和大小

  

Seaborn

是一个基于

Matplotlib

Python

数据可视化库,它提供更高级的接口,用于绘制表现力更强和信息更丰富的统计图形,并与

Pandas

紧密集成。相较于

Matplotlib

Seaborn

在统计方面的专业性更强。

散点图

调用

relplot

方法绘制散点图(

relplot

中的参数

kind

默认是

'scatter'

)。

tips.csv

文件内容如下:

Seaborn可视化绘制散点图
import matplotlib.pyplot as plt
import seaborn as sns

sns.set(style='darkgrid')
tips = sns.load_dataset('tips')
sns.relplot(x='total_bill', y='tip', col='time', hue='smoker',
			 style='smoker', size='size', data=tips)
plt.show()
           

sns.set()

:调用set方法设置图形主题,共五种主题darkgrid(默认)、whitegrid、dark、white、ticks。更换时使用参数style="主题"即可。

sns.load_dataset(“tips”)

:加载数据集,并返回数据帧。

sns.relplot

:调用relploot方法绘制图形,xy参数决定了点的位置,size参数决定了点形状的大小,col根据参数的值决定画布会产生几个子图,哪些数据会落在哪个子图内,hue和style决定了点的色调和形状。

plt.show()

:调用show方法显示图形。

Seaborn可视化绘制散点图

为每个点着色

现在我们就观察一下

tips.csv

文件中的数据。一步步的探究

relplot

中各个参数的意义。

在绘图时,x轴的

total_bill

是总金额,y轴的

tip

是小费,根据x,y的值可以确定一个点,现在使用

hue

参数进行着色。

tips.csv

文件中

smoker

列只有两种值,Yes或No,那么着色后的每个点会根据

hue

的值来进行着色。

Seaborn可视化绘制散点图

修改点的形状

引入

style

变量来修改点的形状,根据是否吸烟将形状分为两种。

sns.relplot(x='total_bill', y='tip', hue='smoker', 
				style='smoker', data=tips)
           
Seaborn可视化绘制散点图

独立改变每个点的色调和样式

点的形状不再根据

smoker

来判断,这样点的色调和形状将根据不同的标准进行绘制。

sns.relplot(x='total_bill', y='tip', hue='smoker', 
				style='time', data=tips)
           
Seaborn可视化绘制散点图

修改点的颜色和大小

同时修改点的颜色和大小来强调数据差异,sizes参数可以划定点的大小所在的范围,根据需要进行选择。

sns.relplot(x='total_bill', y='tip', col='time', hue='smoker', 
					size='size', data=tips)
           
Seaborn可视化绘制散点图